HyperspaceDB v3.1.0 출시
HyperspaceDB v3.1.0: We built an opesource Spatial AI Engine that uses 50x less RAM than Milvus/Chroma via Matryoshka Cascades and Lorentz Geometry. [R]
·2026.06.23 20:12
Matryoshka 학습과 로렌츠 기하학을 도입해 메모리 효율을 극대화한 Spatial AI 엔진 HyperspaceDB가 출시되었습니다.
HyperspaceDB v3.1.0은 기존 벡터 DB의 메모리 과부하 문제를 해결하기 위해 Spatial AI Engine으로 전환되었습니다.
주요 기술적 특징은 다음과 같습니다:
- Schema-Driven MRL (Matryoshka Representation Learning): 전체 벡터를 메모리에 올리는 대신, 경량화된 내비게이션 코어(예: 129차원)만 RAM에 유지하고 나머지 데이터는 NVMe SSD에서 스트리밍합니다. 테스트 결과, 10만 개 벡터 기준 Chroma(>3,000MB) 및 Milvus(~1,700MB) 대비 훨씬 적은 약 72MB의 RAM만 사용합니다.
- 801D 하이브리드 벡터: 계층적 구조(법률, 의료 등) 모델링을 위해 **Lorentz hyperboloid(33차원)**와 **Euclidean(768차원)**을 결합한 하이브리드 벡터를 지원합니다.
- Sidecar Document Storage: 별도의 DB 없이 인덱스 내에 원문 텍스트를 직접 저장하며, Zstd 압축과 Typed Metadata를 통해 필터링 오버헤드를 최소화했습니다.
- Rust 기반 성능: Lock-free HNSW 구조를 통해 1,000개의 동시 클라이언트 부하 상황에서도 안정적인 성능을 제공합니다.
이 요약은 원문 이해를 돕기 위한 큐레이션입니다. 저작권은 원저작자에게 있으며, 정확한 내용과 맥락은 원문을 확인하세요.
요약 오류, 출처 표기 문제, 삭제 요청은 문의 · 건의로 알려주세요.